图像对齐(image alignment)

1、图像对齐的步骤

已知图像A和B,图像对齐的步骤:

  • 提取图像A和B的特征
  • 匹配图像A和B中的特征
  • 求解图像A和B的对齐矩阵

 

2  使用最小二乘求解对齐矩阵的问题

使用最小二乘求解对齐矩阵容易受到outliers的影响, 误差会很大。

图像对齐(image alignment)_第1张图片

图像对齐(image alignment)_第2张图片

 

3 RANSAC(random sample consensus)算法

3.1 思想

假设一条线,计算非常接近这条线的局内点(inliers)的个数,在所有可能的假设线中,选择inliers最多的那条线。

图像对齐(image alignment)_第3张图片

 

3.2 RANSAC(random sample consensus)算法步骤

  • 随机选取 s 个样本点
  • 根据这些样本点训练出一个模型
  • 对这个模型的 局内点计数
  • 以上步骤重复 N 次
  • 选择局内点最多的那个模型

3.3 一些问题

  • 如何选择样本点的个数?

——训练样本所需的最小样本数

  • 假设局内点的概率为w(未知),模型选择s个点,运行N次,算法产生有用结果的概率为p, 求w

——选择 s 个点,均为局内点的概率:w^s

——至少有一个点为局外点的概率:1-w^s,即产生了一个不好的模型

——重复运行 N 次,都为不好的模型的概率:(1-w^s)^N,即没有产生有用结果的概率

——建立等式:1-p=(1-w^s)^N, 可以求解w。

3.4 RANSAC 算法的优缺点

3.4.1 优点

  • 简单
  • 应用范围广
  • 实用

3.4.2 缺点

  • 参数需要微调
  • 需要很多次的迭代
  • 如果局内点的比例太低,会运行失败

你可能感兴趣的:(计算机视觉)